CN115018722A - 一种基于风分过程稳态占空比预测风分器瞬时出叶量的方法 - Google Patents
一种基于风分过程稳态占空比预测风分器瞬时出叶量的方法 Download PDFInfo
- Publication number
- CN115018722A CN115018722A CN202210560839.5A CN202210560839A CN115018722A CN 115018722 A CN115018722 A CN 115018722A CN 202210560839 A CN202210560839 A CN 202210560839A CN 115018722 A CN115018722 A CN 115018722A
- Authority
- CN
- China
- Prior art keywords
- steady
- duty ratio
- air separator
- air
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000000926 separation method Methods 0.000 title abstract description 21
- 241000208125 Nicotiana Species 0.000 claims abstract description 23
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims description 6
- 239000000463 material Substances 0.000 abstract description 21
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 238000003672 processing method Methods 0.000 abstract description 2
- 230000000630 rising effect Effects 0.000 description 4
- 239000011521 glass Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005188 flotation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- A—HUMAN NECESSITIES
- A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
- A24B—MANUFACTURE OR PREPARATION OF TOBACCO FOR SMOKING OR CHEWING; TOBACCO; SNUFF
- A24B5/00—Stripping tobacco; Treatment of stems or ribs
- A24B5/06—Stripping tobacco; Treatment of stems or ribs by stripping leaf-parts from the stem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及打叶复烤生产加工领域，具体为一种基于风分过程稳态占空比预测风分器瞬时出叶量的方法。该方法包括基于机器视觉装置对风分器内部图像进行采集；对采集到的图像进行处理；依据处理后的图像进行烟叶面积和稳态占空比的计算；然后依据预设函数关系由稳态占空比来计算风分器瞬时出叶量。本发明可直接对风分器内的风分过程进行实时监控，利用图像处理的方法快速、无损的评估风分器出叶量指标，帮助判断物料状态，帮助生产线及时调整风分工艺参数，提高风分效率，比传统方法更直接、快速、方便。
Description
技术领域
本发明涉及打叶复烤生产加工领域，具体为一种基于风分过程稳态占空比预测风分器瞬时出叶量方法。
背景技术
在烟草加工的风分工艺中，风分器出叶量(即单位时间内的出叶质量)是判断风分工艺工水平和控制生产线产量的一个重要指标，分析获知每一个打叶机各级风分的工作状态和工作质量,可以为设备参数的调试提供了有力的依据。风分器是一种利用风力浮选原理将打叶机输出的梗、叶混合物分离成单纯的叶片和烟梗。目前，打叶风分过程基本上是个黑匣子，风分过程中风分器内部的状态无法进行有效的评估及监测。因此，在生产实践中，都是通过在风分器后配备皮带秤来测量出叶量，对风分器的风分质量进行把控，使用皮带秤的问题在于：第一，皮带秤测量的是风分之后出叶的重量，无法对风分器内部的风分过程进行评估及监测，结果具有间接性和滞后性；第二，皮带秤测量的是重量的累计值，不是瞬时值，需要换算；第三，皮带秤需要维护和调试，流程相对麻烦。
发明内容
为了克服背景技术中存在的问题，本发明提出了一种基于风分过程稳态占空比预测风分器瞬时出叶量的方法，包括：
步骤1:基于机器视觉装置对稳态运行下的风分器内部图像进行采集；
步骤2：对采集到的图像进行处理；
步骤3：依据处理后的图像进行烟叶面积和稳态占空比的计算；
步骤4：依据预设函数关系由稳态占空比计算风分器出叶量。
优选的，所述步骤1中的机器视觉装置包括一个工业相机、两个LED灯、一个电控柜，工业相机位于风分器的上风分仓的正前方，LED灯在工业相机两侧，电控柜与工业相机和LED 灯通过数据线连接。
优选的，所述电控柜包括工控机和显示器，工控机与显示器通过数据线连接。
优选的，所述步骤2中对采集到的图像进行处理包括图像灰度化、去背景得到做差图、阈值化分割、去噪处理。
优选的，所述步骤3中的烟叶面积为处理后的图像中烟叶像素面积的总和，所述稳态站空白为烟叶像素面积的总和占风分器内部总区域面积的百分比。
其中稳态运行时段如下确定，把出叶量呈上升趋势的时段定义上升期，对应物料的料头；出叶量在设定阈值内变稳定阶段定义为稳态期，对应正常物料；把出叶量呈下降趋势的时段定义为下降期，对应料尾。
优选地，所述预设函数关系为Y＝1048.65+1.51*X+0.03*X2其中X为测得的稳态占空比，Y 为瞬时出叶量。当然，该预设函数关系并非一成不变的，而是基于风分器本身具体参数和设定工艺参数而变化，但风分器选定和设定工艺参数确定后，基于皮带秤的实测瞬时出叶量数值，则总能在稳态占空比与皮带秤的实测瞬时出叶量数值之间建立函数关系，一旦该函数关系确定，就可以取消掉皮带秤了，后面完全靠本发明的方法来测量风分器瞬时出叶量，并监控其变化过程。
本发明的有益效果为：基于稳态运行下风分器的稳态占空比来预测风分器瞬间出叶量，通过直接对风分器内的风分过程进行实时监控，利用图像处理的方法快速、无损的评估风分器瞬时出叶量指标，帮助判断物料状态，帮助生产线及时调整风分工艺参数，提高风分效率，比传统方法更直接、快速、方便，之前从来未有人认识到稳态占空比与瞬时出叶量之间有如此对应关系。本发明则首次将这两个参数关联起来用于测量瞬时出叶量，可以最大程度减少传统皮带秤的使用量，例如N个风分器原本要配备N台皮带秤来测量瞬时出叶量，现在则仅用1台皮带秤来逐一为每个风分器预建立好函数关系，就可以撤掉皮带秤了，最大程度减少皮带秤的设备投资和维护费用。
附图说明
图1是机器视觉装置的示意图。
图2是工业相机采集到的原始RGB图片。
图3是经过图像处理后的图片。
图4是瞬时占空比与瞬时出叶量的对应关系图。
图5是稳态占空比数据。
图6是稳态占空比(X)与风分器瞬时出叶量(Y)的函数关系
其中：1-风分器、2-LED灯、3-工业相机、4-电控柜。
具体实施方式
为了使本发明的目的、技术方案和有益效果更加清楚，下面将对本发明的优选实施例进行详细的说明，以方便技术人员理解。
一种基于风分过程稳态占空比测量风分器瞬时出叶量方法，其包括以下步骤：
步骤1:风分器内部图像采集。采集方式为基于机器视觉的采集，具体来说在风分器的上风分仓的玻璃窗口外部搭建视觉成像平台，包括一个工业相机和两个LED灯，分别用于对上风分仓内部高速运动的烟叶实时成像和对风分仓内部的照明。用于图像采集的工业相机位于风分器上风分仓的透明有机玻璃的正前方，相机放置距离需要根据相机的视场范围决定，要保证画面覆盖完整的上风分仓，为了兼顾图像传输和图像处理的实时性，选取的相机分辨率为1280×1024，拍摄的时间间隔为50ms，图1的2表示LED灯，分别位于相机的左右两侧，电控柜在风分器的一旁，电控柜内包括用于数据传输和图像处理的工控机以及用于图像显示的液晶显示器，电柜分别连接相机和LED光源。
步骤2：对采集到的图像进行处理。工业相机采集到图像以后，通过千兆网线传输到电控柜中的工控机中进行图像预处理。采集到图像如图2所示，可以看到原始图片除了烟叶以外，还包括风分器后方的视窗以及风分器内壁，因此还需要对图像进行预处理。
预处理的方法为：
1：将彩色图像灰度化。
由于烟叶的颜色偏向黄色，因此RGB三通道中，对于R通道最敏感，将烟叶图像中的R 通道提取出来用于后续的分析。
2：然后去除风分器后方的视窗以及风分器内壁等多余背景，得到做差图。
为了分离背景，需要先采集到一张风分仓内没有烟叶时空仓体的图片，并转化为R通道分量图片，记为BR(x,y)，将有烟叶的R通道分量图作为当前图，记为FR(x,y)，将两幅图对应的像素值相减，并取绝对值，得到去除背景的差分图片D(x,y)：
D(x,y)＝|FR(x,y)-BR(x,y)|
3：对做差图进行阈值化分割。
考虑到本发明图像处理的实时性，采用的图像分割方法是阈值化分割，阈值分割法是一种最常用的并行区域技术，它是图像分割中应用最广泛的这一种。阈值分割算法计算简单、运算效率较高、速度快，在重视运算效率的应用场合(如用于硬件实现)，它得到了广泛应用。阈值分割方法是将输入图像D(x,y)到输出图像g(x,y)的如下变换：
其中，T是灰度图分割阈值。
4：进行去噪处理。
由于风分仓长时间的运行，四周的仓体和透明玻璃上会留下灰尘，因此还需要对采集的图片进行去噪处理，对灰尘等一些微小颗粒进行去除。本发明采用的方法是图像进行开运算进行去噪：
其中,S(x,y)表示开运算使用的结构元素，本发明使用的结构元素是3×3大小的圆形结构，去噪完成后，即可得到最终处理好的结果，如图3所示。
步骤3：依据处理后的图像进行烟叶面积和稳态占空比率的计算。将烟叶和背景分离以后，需要对图像中的烟叶面积进行统计，统计方法是将高速相机获得的每一帧烟叶的处理后的图像中像素值为非零的像素点个数累加作为当前时刻上风分仓内的烟叶总面积。为了监测风分器的出叶率，本发明定义了瞬时占空比指标来评估实时的出叶率，瞬时占空比定义为当前时刻高速工业相机获得的图像中烟叶区域面积占总区域面积的比重：
其中，W和H分别表示图像的宽度和高度，通过设定高速相机的拍摄视角可以使相机刚好拍摄到整个风分仓，则图像高度和宽度也就对应风分器的高度和宽度。
为了验证机器视觉对于瞬时出叶量的检测的有效性，在风分器出料口安置一个高精度电子皮带称，皮带秤的称重频率是250ms一次，将电子秤称重数据和占空比数据的时间点进行一一对应后，得到图4所示的折线图，其中虚线表示皮带秤检测的瞬时流量，实线表示机器视觉检测的瞬时占空比数据，两者的波动情况是相似的，由此说明使用机器视觉的方式评估风分出叶率是可行的。并基于皮带秤的实测数据与测得的稳态占空比之间建立预设函数关系，该预设函数关系一经确定后，就可以撤掉皮带秤，后续仅靠机器视觉测得的稳态占空比和该预设函数关系来实时测量瞬时出叶量。在本实施例中，所述预设函数关系为Y＝1048.65+1.51*X+0.03*X2，其中X为测得的稳态占空比，Y为风分器瞬时出叶量。当然，对于其他风分器，还可以根据其设备参数和预设工艺参数建立其他函数关系。
步骤4：依据预设函数关系由稳态占空比来计算风分器瞬时出叶量。出叶率变化趋势定义不同时期占空比和该时期对应的物料状态。本发明提出一种出叶率变化趋势的评估方法，定义了上升期占空比、稳态占空比和下降期占空比这三个指标来评估出叶率变化趋势，如图 4所示。其中，上升期占空比用来表征物料刚进入风分器时，此时物料较少，随着时间的推移，物料慢慢增多，相应的瞬时占空比值就处于一个上升阶段，对应一批物料的料头；稳态占空比用来表征物料进入风分器流量总体稳定，仅在小范围内波动的状态，对应生产线的正常物料；下降期占空比用来表征风分器的处于物料投放的末期时，物料流量会减少，相应的瞬时出叶率处于一个下降的阶段，对应一批物料的料尾。上升期和下降期的出叶率都是不稳定的，因此出叶率变化趋势的评估也有利于帮助生产线区分一批物料的料头、料尾以及正常物料，指导生产线及时调整风分工艺参数，提高风分效率，优化叶片结构和叶含梗率。在确定风分器进入稳态运行后，通过机器视觉测得的稳态占空比和该预设函数关系来实时测量瞬时出叶量。
该预设函数关系的数学模型样本训练的平均相对误差为1.98％，误差<5％以内，数学模型具有较好的预测作用，如图5所示。与此同时，根据不同风分设备类型和生产质量管理需求设定一个稳态占空上下限阈值，如图6所示，若稳态占空比数值超过设定的上限或者低于设定的下限，则判断为出叶率异常，出叶率异常监测能帮助生产线及时进行参数的矫正，排除设备问题，提前预防风分器堵料，提高产品质量的稳定性。
最后说明的是，以上优选实施例仅用于说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
Claims (6)
1.一种基于风分过程稳态占空比预测风分器瞬时出叶量的方法，其特征在于：包括：
步骤1:基于机器视觉装置对稳态运行下的风分器内部图像进行采集；
步骤2：对采集到的图像进行处理；
步骤3：依据处理后的图像进行烟叶面积和稳态占空比的计算；
步骤4：依据预设函数关系由稳态占空比来计算风分器瞬时出叶量。
2.根据权利要求1所述的方法，其特征在于：所述步骤1中的机器视觉装置包括一个工业相机、两个LED灯、一个电控柜，工业相机位于风分器的上风分仓的正前方，LED灯在工业相机两侧，电控柜与工业相机和LED灯通过数据线连接。
3.根据权利要求2所述的方法，其特征在于：所述电控柜包括工控机和显示器，工控机与显示器通过数据线连接。
4.根据权利要求1所述的方法，其特征在于：所述步骤2中对采集到的图像进行处理包括图像灰度化、去背景得到做差图、阈值化分割、去噪处理。
5.根据权利要求1所述的方法，其特征在于：所述步骤3中的烟叶面积为处理后的图像中烟叶像素面积的总和，所述稳态占空比为烟叶像素面积的总和占风分器内部总区域面积的百分比。
6.根据权利要求1所述的方法，其特征在于：所述预设函数关系为Y＝1048.65+1.51*X+0.03*X2，其中X为测得的稳态占空比，Y为风分器瞬时出叶量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210560839.5A CN115018722A (zh) | 2022-05-23 | 2022-05-23 | 一种基于风分过程稳态占空比预测风分器瞬时出叶量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210560839.5A CN115018722A (zh) | 2022-05-23 | 2022-05-23 | 一种基于风分过程稳态占空比预测风分器瞬时出叶量的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115018722A true CN115018722A (zh) | 2022-09-06 |
Family
ID=83068147
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210560839.5A Pending CN115018722A (zh) | 2022-05-23 | 2022-05-23 | 一种基于风分过程稳态占空比预测风分器瞬时出叶量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115018722A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116273474A (zh) * | 2023-03-17 | 2023-06-23 | 华能国际电力股份有限公司营口电厂 | 电除尘器高压控制系统自动调整与转换方法 |
-
2022
- 2022-05-23 CN CN202210560839.5A patent/CN115018722A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116273474A (zh) * | 2023-03-17 | 2023-06-23 | 华能国际电力股份有限公司营口电厂 | 电除尘器高压控制系统自动调整与转换方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102297867B (zh) | 线束装配质量检测系统 | |
| CN104198324B (zh) | 基于计算机视觉的烟丝中叶丝比例测定方法 | |
| CN104614380A (zh) | 一种板带表面质量检测系统和方法 | |
| CN101907453B (zh) | 基于机器视觉的块状农产品尺寸在线测量方法与装置 | |
| CN108333188A (zh) | 一种电池极片在线外观视觉检测设备 | |
| CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
| CN108613987A (zh) | 烟支外观实时在线检测剔除装置及方法 | |
| CN109655466A (zh) | 一种基于机器视觉的矸石带煤率在线检测方法及装置 | |
| CN106521066A (zh) | 高炉炉料粒度监控系统及分布数据在线分析方法 | |
| CN111912850A (zh) | 一种基于人工智能的片烟杂物检测系统 | |
| CN110310275A (zh) | 一种基于图像处理的链式传送带缺陷检测方法 | |
| CN115018722A (zh) | 一种基于风分过程稳态占空比预测风分器瞬时出叶量的方法 | |
| CN104198325A (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
| CN102539442A (zh) | 一种冷镦产品在线视觉检测系统 | |
| CN112268910A (zh) | 一种烟支外观缺陷视觉检测系统及其检测方法 | |
| CN108596196B (zh) | 一种基于绝缘子图像特征词典的污秽状态评估方法 | |
| CN111680738A (zh) | 一种用于苹果品质检测的筛选装置及其检测方法 | |
| WO2023226103A1 (zh) | 一种打叶复烤风分过程中叶片结构测量方法及风分器出叶量测量方法 | |
| CN117664485B (zh) | 基于云平台的全自动视觉检测机运行控制系统 | |
| CN213001298U (zh) | 一种烟草除杂装置 | |
| CN206951597U (zh) | 一种基于机器视觉的蓝莓果实分级检测系统 | |
| CN112845183B (zh) | 一种果品智能分选机 | |
| CN117895899A (zh) | 一种光伏板清洁度检测方法及系统 | |
| CN112213320A (zh) | 一种基于机器视觉的饼干检测装置及饼干检测方法 | |
| CN111199344B (zh) | 一种控制烟叶分选过程中纯度的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |